onlinebme
4.9K subscribers
1.46K photos
571 videos
346 files
692 links
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
ارائه‌دهنده‌ی پکیجهای آموزشی پروژه محور:
برنامه‌نویسی متلب-پایتون
پردازش تصویر-سیگنالهای حیاتی
شناسایی الگو
یادگیری ماشین
شبکه‌های عصبی
واسط مغز-کامپیوتر

تماس👇
09360382687
@onlineBME_admin

www.onlinebme.com
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
🧐🤭وقتی به وسیله هوش مصنوعی می توان لب خوانی کرد

بر اساس همکاری مشترک بین شرکت Google و دانشگاه آکسفورد با استفاده از یادگیری عمیق، LipNet شکل گرفت

@onlineBNE
onlinebme
🧐🤭وقتی به وسیله هوش مصنوعی می توان لب خوانی کرد بر اساس همکاری مشترک بین شرکت Google و دانشگاه آکسفورد با استفاده از یادگیری عمیق، LipNet شکل گرفت @onlineBNE
🧐🤭وقتی به وسیله هوش مصنوعی می توان لب خوانی کرد

بر اساس همکاری مشترک بین شرکت Google و دانشگاه آکسفورد با استفاده از یادگیری عمیق، LipNet شکل گرفت

🤦‍♂ یک گروه تحقیقاتی گروه علوم
رایانه ای یک سیستم جدید خواندن خودکار لب ارائه داده اند به مراتب فراتر از عملکرد #انسان و سیستم های قبلی #لبخوان خودکار است.

🔹 یانیس آسئیل، برندان شیلینگفرد، شیمون ویتسون و ناندو دی فریتاس از یادگیری عمیق ( هوش مصنوعی) برای ایجاد نرم افزار LipNet استفاده کردند که لب را سریع تر و دقیق تر از گذشته میخونه.
🔹اگر چه LipNet نتایج بسیار امیدوار کننده ای نشان داده است، ولی هنوز در مرحله نسبتا اولیه از توسعه است.
🔹این مدل بر روی یک مجموعه داده تحقیقاتی کوتاه آموزش و تست شده است که در این ویدیوها صورت شخص روشن و واضح به نظر می رسد.
🔹 فرم فعلی LipNet نمیتواند در فیلمهای چالش برانگیزتر مورد استفاده قرار بگیرد، بنابراین برای خواندن لب به عنوان ابزار نظارت مناسب نیست.
اما تیم علاقمند به توسعه آن است، به ویژه به عنوان کمک برای افراد دارای #معلولیت_شنوایی.
منبع:
http://www.cs.ox.ac.uk/news/1217-full.html

#هوش_مصنوعی
#LipNet
#deep_learning

#دنیا داره به کجا پیش میره🤷‍♂🤷‍♀

@onlineBME
⚡️فضاپیمای ناسا راهی مریخ شد

🌕 دانشمندان امیدوارند با اطلاعاتی که اینسایت از مریخ می‌فرستد، بتوانند بخشی از راز شکل‌گیری این سیاره چهار میلیارد و ۶۰۰ میلیون ساله را کشف کنند.

@onlineBME
onlinebme
🌐 آینده‌ی شغلی، بازار کار، درآمد رشته مهندسی پزشکی :👨‍🎓👩‍🎓 "در حال حاضر بازار کار هیچ رشته‌ای در حد ایده‌آل نیست و این شامل حال رشته‌ی مهندسی پزشکی نیز می‌شود اما بدون شک وضعیت فارغ‌التحصیلان این رشته، نسبت به رشته‌های مهندسی دیگر، مطلوب‌تر است. چون ارزش…
پنج موضوع در حال ظهور مهندسی پزشکی

مدت زمان زیادی هست که مهندسی پزشکی یکی از عاملان اصلی مراقبتهای بهداشتی و پزشکی بوده است.

از تکنولوژی های جدید برای تشخیص و درمان برخی از پیچیده ترین بیماری ها تا پیشرفت هایی که کیفیت زندگی را برای همه بهبود می بخشد، در حال حاضر کارهایی که  در آزمایشگاه های سراسر جهان انجام می شود که چهره مراقبت های بهداشتی را در کوتاه مدت و طولانی مدت تغییر می دهد.

اگرچه در حال حاضر هزاران پروژه مختلف در حال انجام است، اما برخی از گرایشات مشخصی در مهندسی پزشکی وجود دارد.

#ترند اول: بهبود فناروریهای کمکی (assistive technologies)

تکنولوژی پروتز در دهه های اخیر پیشرفت چشمگیری داشته است. با پیشرفت مواد ، پروتزها نه تنها سبک تر و راحت تراستفاده می شوند بلکه پیشرفته تر از همیشه هستند.

 با این حال، مهندسان پزشکی در حال کار بر روی پروتزهای پیشرفته تر هستند که تنها می توانند به عنوان بیونیک نامگذاری شوند. در حقیقت، برخی پیش بینی می کنند که مدتها قبل از اینکه آمپوتها بتوانند با استفاده از ذهن خود، پروتزهای خود را کنترل کنند، درست مانند یک اندام بیولوژیکی، بتوانند پروتزهای خود را کنترل کنند. پروتزهای مجتمع تراشه در افق قرار دارند، اما اندامهایی که دارای تحرک و انعطاف پذیری بیشتری هستند یا حتی موتورهای کمکی که می توانند قدرت بیشتری را به وجود آورند و اندام راحت تر را استفاده می کنند.

علاوه بر پروتز، مهندسان بر روی دستگاه های رباتیک اضافی  نیز کار می کنند که خطوط بین دستگاه های درمانی و کمک رسانی را از بین می برد.

به عنوان مثال، محققان در حال توسعه رباتیک اکسیکلتونی  جهت کمک به افراد مبتلا به ضعف عضلانی و دیگر مسائل مربوط به تحرک هستند. اساسا اکسیکلتونی افراد را قادر می سازد تا در خانه و جامعه فعالیت کنند، با این تکنولوژی، تعادل مناسب بین کمک و در واقع انجام حرکت برای بیماران را فراهم می کند.

 فن آوری های پشتیبانی رباتیک برای سایر عملکردهای مراقبت های بهداشتی نیز در حال توسعه هستند؛ به عنوان مثال، مهندسان در حال کار بر روی "دستیاران" رباتیک هستند که می توانند به ارائه دهندگان با بلند کردن و انتقال بیماران، برای جلوگیری از آسیب ها کمک کنند.

https://hitconsultant.net/2017/05/16/biomedical-engineering-trends/
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

@onlineBME
#ترند دوم: بهبود تصویربرداری پزشکی(Medical Imaging)

تصویربرداری پزشکی دیگر به اشعه ایکس دو بعدی محدود نمی شود. ما در حال حاضر سونوگرافی، سی تی اسکن، MRI و فن آوری های دیگری هستیم. با این حال مهندسان پزشکی به شدت در حال توسعه گزینه های تصویربرداری جدید و بهبود یافته هستند. به عنوان مثال، محققان ژاپنی در حال شکل دادن به واقعیت مجازی پزشکی هستند که دقت بیشتری در عمل جراحی-با کمک تصویر را ارائه می دهند.

◀️ پروژه های دیگری برای بهبود تصویربرداری قلب و ریه اختصاص داده شده است، که به پزشکان به صورت زمان حقیقی سیستم قلبی عروقی را نمایش می دهند.

https://hitconsultant.net/2017/05/16/biomedical-engineering-trends/
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

@onlineBME
#ترند سوم: هوش مصنوعی(Artificial intelligence)

هوش مصنوعی کاربردهای زیادی در صنایع مختلف دارد، ولی نه به اندازه مرافبتهای بهداشتی!
مهندسی پزشکی تمرکز خود را روی یک تک مولکل تغییر داده اند و نحوه کار کل شبکه های مولکلی که باهم جهت ساخت یک سیستم کامل کار میکنند را تجزیه و تحلیل می کنند. دانشجویان و محققان در حال یادگیری نحوه ترکیب این تحقیق با سایر رشته ها، مانند رایانه، برای درک بهتر از عملکرد سیستم ها و تاثیر عوامل مختلف بر روی این توابع هستند، و از این اطلاعات برای توسعه درمان های موثر استفاده می کنند.

به عنوان مثال، پروژه  DeepMind  گوگل از هر دو بیومدیکال و رایانه ای برای تجزیه و تحلیل  داده‌های مربوط به بیماران مبتلا به بیماری کلیوی در خدمات بهداشتی بریتانیا استفاده می کند. این پروژه برای شناسایی عوارض بالقوه، به عنوان پروتکل های موثر،  طراحی شده است که با استفاده از اطلاعاتی که از طریق داده ها به دست می آید زودتر از ارائه دهندگان بیماری را تعیین می‌کند. باید این پروژه موفقیت آمیز باشد، پروژه های مشابه AI و یادگیری ماشین در سراسر جهان راه اندازی خواهد شد.

 
https://hitconsultant.net/2017/05/16/biomedical-engineering-trends/
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

@onlineBME
#ترند چهارم: تحقیقات مغز(brain research)

مغز یکی از اسرارآمیزترین بخش بدن انسان است، و محققان به طور مستمر درگیر تحقیقاتی هستند که درک بهتری از مغز را ارائه بدهد.   در واقع، یک تحلیل محتوا از مقالات ارائه شده در کنفرانس 2014 مهندسی و پزشکی در زیست شناسی نشان داد که تحقیقات مغز داغترین ترند مهندسی پزشکی است. در عناوین این مقالات کلمه "مغز" و سایر عبارتهای مرتبط، از جمله "عصبی"، transcranial  و EEG،
خیلی بیشتر از سایر عبارات استفاده شده بود
🔹 تحقیقات در این زمینه بسیار پیشرفته و متنوع است؛ به عنوان مثال، محققان در چین، در حال کار بر روی روش های بازگرداندن عملکرد مغز پس از بیماری های مغز با استفاده از اشکال مختلف تحریک هستند و محققان دیگری بر روی تکنولوژی عصبی برای تقویت پروتز کار می کنند.


https://hitconsultant.net/2017/05/16/biomedical-engineering-trends/
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

@onlineBME
 

#ترند پنجم: تحقیقات مغز(brain research)

مهندسان پزشکی نیز بخشی از موج جدیدی از دستگاه های پوشیدنی است.  Wearables پیشرفت می‌کنند: به زودی دستگاه ها قادر به جمع آوری اطلاعات دقیق تر در مورد سلامتی شما خواهند بود و همچنین به عنوان یک کانال برای ارائه دهندگان پزشکی که می توانند از داده های جمع آوری شده برای مراقبت بهتر استفاده کنند، سرویس خواهد داد.
🌀 ترندها می آیند و می روند، و مهندسی پزشکی نیز از این قائله مستثنی نیست. کی میدونه ما در سالهای آینده، که هیچ شکی بهش نیست، شاهد این خواهیم بود که مهندسی پزشکی همه چیزیهایی که ما فکر میکنیم در مورد علوم انسانی میدانیم، را تغییر خواهد داد.

https://hitconsultant.net/2017/05/16/biomedical-engineering-trends/
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

@onlineBME
This media is not supported in your browser
VIEW IN TELEGRAM
🤦‍♂🤦‍♀ در حالی که ما مشغول #فیلترینگ هستیم؛گوگل از هوش مصنوعی خودش رونمایی کرد که زنگ زد به یه رستوران و وقت رزرو کرد و رستوراندار حتی نفهمید داره با یه ربات صحبت میکنه!
#هوش_مصنوعی
@onlineBME
onlinebme
صوت جالبی که به تازگی مورد توجه قرار گرفته و افرادمختلف، یکی از دو تلفظ Yanny یا Laurel رو می‌شنوند؛ شما کدوم صدا رو میشنوید؟! @onlineBME
صوت جالبی که به تازگی مورد توجه قرار گرفته و افرادمختلف، یکی از دو تلفظ Yanny یا Laurel رو می‌شنوند؛ شما کدوم صدا رو می‌شنوید؟!


میتونید نظر سایر دوستان رو در #اینستاگرام مشاهده کنید😊
👇👇👇👇👇
https://www.instagram.com/onlinebmeschool/

🔹اگر کلمه لورل رو میشنوید باید بگم که از لحاظ فنی شما درست شنیده اید و واقعیت کلمه لورل هست.🤦‍♂
منبع:
https://www.wired.com/story/yanny-and-laurel-true-history/amp -------

@onlinebme
نیما نریمان:
خبر خوب: سازمان دارو و غذای آمریکا داروی جدید میگرن (Aimovig) رو تایید کرد و بزودی روانه بازار میشه!
این اولین داروییه که برای پیشگیری از میگرن طراحی شده٬نتایجی چشم‌گیر(خصوصا در موارد میگرن شدید) داشته و بسیاری اون رو آغاز عصری تازه در درمان میگرن میدونن.
💬
داروی جدید پیش‌گیری از میگرن در بزرگ‌سالان (#Aimovig) تزریقی است (یک‌بار در ماه) و هزینه‌اش ۶۹۰۰ دلار در ساله.
اثرات جانبی چندانی نداره٬جلوی یک پروتئین که مسئول بروز و تداوم میگرن است رو میگیره و در نتیجه دفعات و شدت حملات رو به میزان قابل‌توجهی کاهش میده. 💬
بسیاری نمی‌دونن که #میگرن “فقط یک #سردرد نیست” و اغلب با حالت تهوع٬استفراغ٬بیزاری از نور و صدا و مشکل در تکلم و… همراهه و باعث ناتوانی و زمین‌گیر شدن میشه و گاهی آدم رو از کار و زندگی میندازه.
ممکنه در یک ماه بارها پیش بیاد و ساعتها یا روزها طول بکشه. ضمنا از هر ۷ نفر ۱ نفر دچارشه
twitter.com/NeuroNiMa/status/997434637076058114

@onlinebme
onlinebme
ماشین یادگیری عمیق به موسیقی های ساخته شده توسط آهنگساز معروف آلمانی،Bach، گوش میدهد و سپس در همان سبک موسیقی خودشو می نویسد!🤦‍♂🤦‍♀ @onlineBME
ماشین یادگیری عمیق به موسیقی های ساخته شده توسط آهنگساز معروف آلمانی،Bach، گوش میدهد و سپس در همان سبک موسیقی خودشو می نویسد!🤦‍♂🤦‍♀

شما میتونین تفاوت بین موسیقی های ساخته شده توسط Bach رو با موسیقی شبکه عصبی رو تخشیص دهید؟!

یوهان سباستین باخ به عنوان یکی از آهنگسازان بزرگ موزیک باروک شناخته می شود. باخ در طول قرن 18 میلادی در آلمان زندگی و کار کرد و به خاطر زیبایی آهنگهای او و تسلط فنی او در مورد هماهنگی و کنتراپون مورد احترام قرار گرفته است.
🔹 یک شکل از موسیقی که باخ در آن پیشرفت کرد، نوعی از آواز پلیفونیک بود که به عنوان یک کانتتا قهرمان شناخته می شد.اینها بر مبنای متون لوتری و چهار آواز خوانده می شوند. آهنگساز با لحن شناخته شده ای که توسط سوپرانو آواز میخواند، شروع میکند و سپس سه هارمونی را که توسط آلتو، تنور و صدای باس آواز میخواند، را می سازد. باخ بیش از 300 موسیقی کوتاه برای آوازخوانی نوشته است.

🔺به خاطر اینکه تولید این موسیقیها گام به گام و الگوریتمی است، نظر بسیاری از دانشمندان کامپیوتری را به خود جلب کرده اند.اما انجام این کار به طور مناسب به دلیل تعامل ظریف بین هماهنگی و ملودی سخت است. که این پرسش جالب را مطرح می کند: آیا می توان یک ماشین را به همان سبک باخ تبدیل کرد؟!


↙️ امروزه ما به لطف کارهای گیتان هاجرز و فرانکوئیس پاکت در آزمایشگاه های کامپیوتر سونی در پاریس به این پاسخ رسیده ایم. این گروه یک شبکه عصبی ایجاد کرده اند که یاد گرفته کانتات های کور در سبک باخ را تولید کند. آنها ماشین خود را DeepBach را نامیده اند.

👨‍🏫👩‍🏫 هادیرز و پاکت: پس از اینکه  مدل ما توسط هارمونیکهای کورل یوهان سباستین باخ آموزش دیده شد، مدل ما قادر به تولید کورلهای بسیار متقاعد کننده ایدر سبک باخ شد ". در واقع، تقریبا نصف زمان این موسیقیها، کارشناسان انسانی را فریب می دهند و فکر می کنند که آنها واقعا توسط باخ نوشته شده اند.

🔺 تکنیک یادگیری ماشین ساده است. هادیرز و پاکت با ایجاد یک مجموعه داده برای آموزش شبکه عصبی خود شروع می کنند. آنها با 352 قافیه که توسط باخ ساخته شده اند شروع می کنند و سپس آنها را به سایر کلید هایی که در یک محدوده صوتی از پیش تعریف شده قرار می گیرند، تبدیل میکنند تا یک مجموعه داده 2503  ارائه دهند. هادیرز و پاکت 80 درصد داده را برای آموزش شبکه عصبی و 20 درصد داده را برای ارزیابی مدل استفاده کردند.
🔺سپس این مدل هارمونی خود را در سبک باخ تولید می کند. این تیم با دادن یک ملودی به مدل، مدل را آزمایش می کنند و سپس برای تولید هارمونی برای سه صدای دیگر، آلتو، تنور و باس استفاده می کنند.

🔻در حالی که دیگر روش های الگوریتمی نیز می توانند این کار را انجام دهند، ولی یک سوال مهم این است که چگونه همه آنها با کار باخ مقایسه می شوند. برای پیدا کردن جواب، تیم بیش از 1600 نفر را فراخواند تا دو هارمونی متفاوت از یک ملودی را گوش دهند. بیش از 400 نفر از آنها موسیقیدانان حرفه ای یا دانشجویان موسیقی بودند. هرکسی باید تعیین میکرد که کدام یک از دو هارمونی بیشتر شبیه به باخ است. این تیم همچنین هارمونی تولید شده توسط الگوریتم های دیگر را مورد آزمایش قرار دادند.
نتایج جالب بودند. هنگامی که یک هارمونی تولید شده توسط DeepBach به افراد داده می شد، حدود نیمی از رای دهندگان تصور می کردند که توسط باخ ساخته شده است. این به طور قابل توجهی بالاتر از موسیقی تولید شده توسط هر الگوریتم دیگر بود. هادیرز و پاکت می گویند: "ما این را نمره خوبی برای شناخت پیچیدگی های ترکیب باخ در نظر می گیریم."
منبع:
https://www.google.nl/amp/s/www.technologyreview.com/s/603137/deep-learning-machine-listens-to-bach-then-writes-its-own-music-in-the-same-style/amp/

🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

@onlineBME
onlinebme
توضیح ساده تکنولوژی بلاک-چین ( blockchain)👌 @IUST_Bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
👤 صحبتهای وزیر ارتباطات درباره #بلاک‌چین در همایش بانک مرکزی و گلایه تلویحی او از مسئولینی که پیشرفت تکنولوژی را درک نکرده‌اند.

@onlineBME